6 месяцев жизни для открытых моделей

12 июля 2026 года Нейтан Ламберт опубликовал в Interconnects статью "6 months to live for open models". Это самый тревожный из его материалов о регуляторной политике, и начинается он прямо с этого признания: со времён ChatGPT он наблюдал множество волн риторики против open source, но ни одна из них не сопровождалась работающим механизмом правоприменения, который уже опробован на закрытых моделях. Здесь такой механизм есть, и Ламберт намерен писать о политике куда больше, пока угроза не минует. Его список open-source-ai-reading-list резюмирует суть аргумента: размытый федеральный надзор, "регулирование по наитию" (vibe regulation), готовит столкновение с открытыми frontier-моделями или их скорый запрет.

Механизм уже существует

Отправной точкой стал процесс лицензирования, который правительство запустило для закрытых моделей: сначала Fable, затем GPT-5.6. На встрече 9 июня, посвящённой этой программе, представитель Reflection AI (по цитируемым Ламбертом данным) заявил, что открытые модели должны быть освобождены от требований с учётом их возможностей. В том же отчёте отмечалось, что китайские открытые модели вроде DeepSeek значительно опережают остальных, а сама Reflection так и не выпустила публичную модель. Отдельно источники упоминали обсуждения в Белом доме указа об открытых моделях. Официальных решений не было, и указ, скорее всего, затронул бы только модели китайского происхождения и госиспользование, но Ламберт называет это тем, "с чего начинает падать домино".

Его главное наблюдение: у открытых моделей нет экономического защитника. За закрытыми моделями стоят компании с лоббистами, которые ощущают издержки любых ограничений на себе. Открытые же модели рассредоточены, и некому доказывать вред от мер, направленных против них.

Прогноз

Наиболее вероятным сценарием Ламберт считает запрет или бессрочную задержку для любой модели с открытыми весами, заметно превосходящей уровень GPT 5.5, Claude Opus 4.8 или GLM-5.2 (glm-5-2-step-change-for-open-agents). С учётом стабильности разрыва между открытыми и закрытыми моделями (open-closed-model-gap), открытая модель перешагнёт эту черту в течение полугода - отсюда и заголовок статьи.

Скорее всего, такая модель будет китайской, что связывает вопрос о frontier-моделях с дистилляцией. Порог проверки со временем будет повышаться, но Ламберт ожидает, что для открытых моделей он будет расти медленнее, чем для закрытых: отчасти потому, что безопасность закрытых моделей обеспечить проще, отчасти потому, что их разработчики куда эффективнее лоббируют свои интересы. Настоящим триггером станет то, что открытая модель вскоре догонит Claude Mythos. Её реальные результаты будут более неравномерными, но достаточно лишь попасть на радары нового верификатора моделей при Белом доме, а "привычки, порождённые страхом, с трудом поддаются отмене".

Дистилляция как regulatory capture

Два независимых политических спора сливаются воедино: спор о дистилляции и спор о frontier-возможностях. Ламберт отмечает, что они различаются по своей природе, по необходимой силе реакции и по доступным мерам, но вместе они дают аргументы в пользу запрета.

Позиция Ламберта по поводу дистилляции прямолинейна. Кампанию против китайских моделей возглавляет Anthropic, действуя через публикации в блоге и обращения к конгрессменам. Anthropic обнаружила, что зарубежные компании оплачивают доступ к её API, отключила их, а затем составила жёсткие регуляторные рекомендации, подкрепив их, по выражению Ламберта, минимальной технической доказательной базой. С каких бы бизнес-опасений всё ни началось, происходящее превратилось в "эталон regulatory capture", поскольку запрет обвиняемых лабораторий принёс бы Anthropic огромную экономическую выгоду. Если бы Anthropic нейтрально представила факты и предоставила решение законодателям, сообщество отнеслось бы к ней с большим сочувствием.

В самом аргументе он видит противоречие. Если технологии Anthropic настолько мощные, что сопоставимые открытые модели нужно запретить, компания должна быть в состоянии защитить свой API от извлечения данных, и Ламберт всё ещё ждёт объяснений, почему это невозможно. "От одного из этих утверждений придётся отказаться". Он вписывает это в общую линию поведения Anthropic, убирающей за собой лестницу доступа к ИИ под предлогом безопасности, и рекомендует статью Бена Томпсона "Anthropic's Safety Superpower" как лучший материал на эту тему.

Практическим следствием требований Anthropic, по его мнению, станет запрет почти всех китайских моделей с открытыми весами в США. Продукты, построенные на открытых моделях, зависят от их постоянного совершенствования, поэтому запрет уничтожит зарождающуюся американскую экономику открытых моделей: провайдеров инференса, компании по fine-tuning'у и новые сервисы. Его вывод: сообщество не должно идти на уступки в вопросе дистилляции, а контроль за соблюдением правил остаётся делом самих лабораторий. Подробнее эта тема разобрана в how-much-does-distillation-matter-for-chinese-llms и the-distillation-panic.

API - не гарантия безопасности

Именно в аспекте кибербезопасности эти две дискуссии переплетаются. Существуют реальные опасения, что китайские лаборатории смогут дистиллировать узкоспециализированные кибервозможности Mythos в открытую модель. Ламберт видит в этом доказательство уязвимости самих API моделей, а не проблему дистилляции. Даже во время закрытого бета-тестирования Mythos с максимально строгими ограничениями пользователи в Discord получали к нему несанкционированный доступ, а защитные барьеры API регулярно обходят через jailbreak'и. Это распространяет опасные возможности быстрее, чем всё, что требует fine-tuning'а модели на 1T+ параметров. Ламберт оговаривается, что он не эксперт по кибербезопасности, но считает тезис о небезопасности открытых весов и защищённости API преувеличенным: теоретически API должны быть надёжнее, однако на практике это так и не было доказано. Если какая-то возможность действительно опасна, единственный последовательный шаг - вообще не предоставлять к ней доступ через интерактивный API. В myth-of-unsafe-open-source-ai приводится похожий аргумент об обходе guardrail'ов в закрытых моделях.

Открытые frontier-модели без запрета

Вопрос о frontier-моделях Ламберт называет сложным и реальным, предостерегая от использования запрета дистилляции просто потому, что это удобный повод под рукой. Прямой запрет не работает, если Китай не запретит те же модели: злоумышленник всё равно сможет их скачать, что сводит на нет пользу для безопасности и оставляет одни издержки. Если США в одиночку заблокируют импорт, мировое open-source-сообщество продолжит развиваться без них. Запрет в США раньше, чем в Китае или в странах, более чувствительных к рискам, показал бы, что нагнетание страха подтолкнуло правительство к преждевременным шагам. Ламберт называет это "спидраном антиутопии", при котором американский техсектор станет похож на китайскую систему госконтроля и госинвестиций. Единственным реальным барьером для развития открытых моделей может стать лишь глобальное соглашение о рисках ИИ, до которого ещё очень далеко. Тот же вывод о том, что доступ к возможностям нельзя контролировать через количественные пороги, обсуждается в nonproliferation-is-the-wrong-approach-to-ai-misuse и openai-huggingface-incident-autonomous-hacking; в a-safe-path-to-open-weights описана попытка одной лаборатории выстроить процесс релиза без полного запрета.

Он также сомневается, что экосистему вообще возможно остановить. Создатели лучших открытых моделей тоже оценивают риски; Китай чувствителен к рискам, а z-ai теперь публичная компания, подверженная разного рода давлению, включая цену собственных акций. Обучение моделей - не магия, и доступ к их разработке не сократился по мере роста затрат.

Пути выхода

Краткосрочный выход - выпуск американской компанией открытой модели сопоставимого уровня. Это изменит риторику с "только Китай делает открытые модели, и то через дистилляцию" на общую задачу внутри единого сообщества. Ламберт называет это вопросом выживания для open source и считает, что компании, экономически заинтересованные в коммодитизации смежных продуктов (Microsoft и Meta), должны сделать это как можно скорее, хотя в Meta под новым руководством он верит меньше. Если у Reflection есть хорошая, пусть и не frontier-модель, ей, возможно, придётся выпустить её, чтобы спасти собственный бизнес-план.

Создать коалицию можно быстрее, чем обучить модель. У open source нет единого владельца, но выгоду от него получают все за пределами ведущих лабораторий, и этой группе необходимо уже сейчас начать лоббировать безопасный запуск моделей с открытыми весами.

Более поздние источники

Спустя два месяца список литературы самого Ламберта описывает сентябрьский отчёт Anthropic об угрозах (anthropic-threat-report-september-2026) как "очень прозрачную документацию" того, как китайские компании обходят условия использования, включая дистилляцию на основе SFT. Там же указано: Anthropic подтвердила, что китайские лаборатории применяли технику извлечения цепочек рассуждений из stealing-reasoning-traces-from-proprietary-llm-apis. Это заметно больше доказательств, чем те "минимальные технические свидетельства", о которых шла речь в эссе. Сентябрьский отчёт появился позже, а трактовка с позиции regulatory capture писалась до него. Статья об извлечении рассуждений также подтверждает другую мысль эссе - о том, что API не гарантируют безопасность: цепочки рассуждений удалось извлечь благодаря уловкам, использовавшим особенности реализации API ведущими лабораториями.

Дальнейшие события развивались стремительно. Moonshot открыла веса для kimi-k3 через пятнадцать дней после публикации этого эссе. В kimi-k3-open-weights-escalation Ламберт называет её первой по-настоящему передовой моделью с открытыми весами, так что преодоление рубежа, на которое отводилось полгода, произошло примерно за две недели. Этот же релиз дал старт новому раунду споров, на которые отвечает arguments-against-open-source-ai. К сентябрю в списке литературы зафиксированы расследования Конгресса в отношении компаний, использующих китайские модели (us-scrutiny-of-chinese-model-use), но прямого запрета нет. Общие аргументы против запрета без привязки к спору о дистилляции изложены в banning-open-source-ai-would-be-a-mistake, написанном месяцем ранее совместно с Кевином Сюй (Kevin Xu).